1

ANALISIS DAN PERANCANGAN DATAWAREHOUSE AKADEMIK PERGURUAN TINGGI BINA SRIWIJAYA BERBASIS

PENTAHO DATA INTEGRATION (PDI) KETTLE

PROPOSAL PENELITIAN

Sebagai salah satu syarat untuk mengikuti ujian proposal skripsi Program Studi Sistem Informasi

DEFI SEPRIANUS 09142278

PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS ILMU KOMPUTER UNIVERSITAS BINA DARMA

PALEMBANG 2013

2

ANALISIS DAN PERANCANGAN DATAWAREHOUSE

AKADEMIK PERGURUAN TINGGI BINA SRIWIJAYA BERBASIS PENTAHO DATA INTEGRATION (PDI) KETTLE

OLEH :

DEFI SEPRIANUS 09142278

PROPOSAL SKRIPSI

Telah diterima sebagai salah satu syarat untuk mengikuti Ujian Proposal

Palembang, Mei 2013 Program Studi Teknik Informatika

Universitas Bina Darma Pembimbing I Ketua,

(Linda Atika., M.Kom) (Syahril Rizal, S.T., M.M., M.Kom.) Pembimbing II

(Siti Sauda, M.Kom)

3

4

5

PROPOSAL PENELITIAN

ANALISIS DAN PERANCANGAN DATAWAREHOUSE

AKADEMIK PERGURUAN TINGGI BINA SRIWIJAYA BERBASIS

PENTAHO DATA INTEGRATION (PDI) KETTLE

I. PENDAHULUAN

I.1. Latar Belakang

Informasi yang cepat dan akurat sangat dibutuhkan dalam kehidupan

sehari-hari. Informasi akan menjadi suatu elemen penting dalam perkembangan

masyarakat saat ini dan waktu mendatang, namun kebutuhan informasi yang

tinggi kadang tidak diimbangi dengan penyajian informasi yang memadai. Sering

kali informasi tersebut masih harus di gali ulang dari data yang jumlahnya sangat

besar.

Pangkalan Data Perguruan Tinggi (PDPT) merupakan informasi yang di

sediakan oleh Direktorat Pendidikan Tinggi mengenai kegiatan akademik seluruh

perguruan tinggi di Indonesia. untuk mendapat kan informasi PDPT, Direktorat

Pendidikan Tinggi menugaskan Koordinator Perguruan Tinggi Swasta

(KOPERTIS) sebagai perpanjangan tangan untuk memperoleh informasi

mengenai PDPT dari Perguruan Tinggi Swasta di wilayahnya.

Bina Sriwijaya (BINAS) merupakan yayasan penyelenggara pendidikan di

Sumatera Selatan. Dalam pelaksanaanya sebagai perguruan tinggi swasta di

bawah naungan Kopertis Wilayah II, Binas melakukan Kegiatan rutin setiap

semester yaitu pelaporan data PDPT ke Kopertis (Koordinator Perguruan Tinggi

Swasta) wilayah II. Keterlambatan dalam melaporkan data PDPT dapat

berpengaruh terhadap izin perguruan tinggi, kendala yang timbul adalah

6

bagaimana mengelola data yang terdapat di perguruan tinggi bina sriwijaya

menjadi data yang dibutuhkan oleh PDPT untuk dilaporkan secara cepat dan

akurat, dengan data yang banyak harus dapat di olah dalam bentuk PDPT. Dalam

pelaksanaannya data dari perguruan tinggi bina sriwijaya masih dilakukan dengan

cara memasukkan data ke dalam sistem PDPT yang disediakan oleh Kopertis satu-

persatu dari data mahasiswa, data matakuliah, data nilai, data dosen, data

kelulusan data perguruan tinggi, data aktif mahasiswa dan data dosen. Dengan

begitu banyak nya data yang harus di masukkan hanya oleh satu operator maka

timbul kendala yaitu sering terjadi keterlambatan dan kesalahan dalam pelaporan

ke PDPT.

Datawarehouse merupakan penyimpanan data tetap sebagai implementasi

fisik dari pendukung keputusan model data. Data warehouse juga biasanya dilihat

sebagai arsitektur, pembangunan dan penyatuan data dari bermacam macam

sumber data yang berbeda untuk mendukung struktur dan atau query tertentu,

laporan analisis, dan pembuatan keputusan (Han, 2006).

Untuk menghasilkan datawarehouse dapat menggunakan Extract,

transform, dan load (ETL) merupakan sebuah sistem yang dapat membaca data

dari suatu data store, merubah bentuk data, dan menyimpan ke data store yang

lain. Data store yang dibaca ETL disebut data source, sedangkan data store yang

disimpan ETL disebut target.

Aplikasi ETL tersedia di dalam Pentaho Data Integration (PDI) Kettle.

Pentaho Data Integration (PDI) Kettle adalah software Open Source dari Pentaho

yang dapat digunakan untuk mengintegrasikan data. Kettle menyediakan fasilitas

ETL (Extraction, Transformation dan Loading). Kettle dapat digunakan untuk

7

membersihkan data, loading dari file ke database atau sebaliknya dan migrasi

antar aplikasi dalam volume besar. Versi komersial dari Kettle adalah Pentaho

Data Integration (PDI).

Dari uraian diatas peneliti ingin melakukan penelitian yang diambil

berdasarkan latar belakang yang berjudul ANALISIS DAN PERANCANGAN

DATAWAREHOUSE AKADEMIK PERGURUAN TINGGI BINA

SRIWIJAYA BERBASIS PENTAHO DATA INTEGRATION (PDI)

KETTLE

I.2. Perumusan Masalah

Berdasarkan latar belakang yang telah di uraikan diatas, maka

permasalahan yang dapat dirumuskan yaitu Bagaimana cara Analisis Dan

Perancangan Datawarehouse Akademik Perguruan Tinggi Bina Sriwijaya

Berbasis Pentaho Data INTEGRATION (PDI) Kettle ?

I.3. Batasan Masalah

Agar penelitian lebih terarah dan memudahkan dalam pembahasan, maka

perlu adanya pembatasan masalah, yaitu:

1. Merancang data warehouse menggunakan tools Pentaho Data

Integration (PDI) Kettle.

2. Data penelitian berasal dari data Akademik untuk pelaporan PDPT

a. Tabel mahasiswa

b. Tabel mata kuliah

c. Tabel dosen

d. Tabel jadwal kuliah

e. Tabel transaksi kuliah mahasiswa

8

f. Tabel nilai mahasiswa

g. Tabel kelulusan mahasiswa

h. Tabel transaksi dosen mengajar

i. Tabel status mahasiwa

j. Tabel profile perguruan tinggi

I.4. Tujuan Penelitian dan Manfaat Penelitian

I.4.1. Tujuan Penelitian

Menghasilkan datawarehouse untuk kebutuhan pelaporan PDPT bagi

perguruan tinggi bina sriwijaya.

I.4.2. Manfaat Penelitian

Adapun manfaat yang diharapkan pada penelitian ini adalah:

1. Bagi Penulis

Penulis dapat lebih mengetahui cara menerapkan ilmu-ilmu yang telah

dipelajari selama ini dalam merancang dan menerapkan aplikasi sistem

dengan teknik data warehouse, serta sebagai syarat dalam memperoleh

gelar sarjana komputer.

2. Bagi Manajemen

Model yang diperoleh diharapkan dapat digunakan untuk untuk kebutuhan

pelaporan PDPT bagi perguruan tinggi bina sriwijaya.

II. TINJAUAN PUSTAKA

2.1. Tinjauan Umum

2.1.1. Sejarah Singkat

9

Bina Sriwijaya berdiri tahun 1999, yang didirikan oleh Irian Nasri dimana

Bina Sriwijaya (BINAS) singkatan Bina Sriwijaya / Bimbingan Irian Nasri

Pertamakali bertempat di Jln. Kebon Jahe No. 555 Palembang, dan sesuai dengan

perkembangannya mulai dari Komputer 10 Unit dan sampai mencapai Ratusan

Unit, serta pindah Jl. Merdeka N0. 3E Menempati Ruko 1 Unit, dengan liku-liku

Perjuangan yang panjang akhirnya Berdiri Akademik Manajemen Informatika dan

Komputer Bina Sriwijaya SK N0. 76/D/2008 dan sekarang Telah Terakreditasi

BAN PT KEMDIKNAS 2011.

Yayasan Pendidikan Indonesia "Bina Sriwijaya" Akte Notaris Tahun 2001

dan didaftarkan di DEPHUMKAM No. 18 Tanggal 21 Juni Tahun 2010 dengan

Dewan Pembina : H. Irian Nasri, M.pd Ketua Yayasan : Hj. Miaty Hermawati,

M.Pd Pengawas Harian : Indra Wijaya, S.Si yang berkedudukan di Jl. A. Yani

No.720, A,B,C.D 7 Ulu Palembang, Sumsel.

Yayasan Pendidikan Bina Sriwijaya (BINAS) Palembang,

menyelenggarakan Pendidikan Tinggi yaitu Akademik Komputer BINA

SRIWIJAYA terdiri dari 2 Program Studi yaitu Manajemen Informatika dan

Teknik Komputer, dan Tahun 2012 Ini Yayasan Juga mengembangkan Sekolah

dibawah naungan Diksispora Kota Palembang :

1. SD BSI (BINA SRIWIJAYA INDONESIA) Palembang

2. SMP BSI (BINA SRIWIJAYA INDONESIA) Palembang

3. SMK BSI (BINA SRIWIJAYA INDONESIA) Palembang

4. SMA BSI (BINA SRIWIJAYA INDONESIA) Palembang

2.1.2. Struktur Organisasi

Tabel 2.1 Strutur Organisasi Amik Bina Sriwijaya

10

NO NAMA JABATAN PENDIDIKAN

1. H. Irian Nasri Ketua Pembina S-2

2. Hj. Miaty Hermawati Ketua Yayasan S-2

3. Indra Wijaya Pengawas Yayasan S-1

4. Zet Abdullah Pengawas Pendidikan S-1

5. Ibnu Aqil Direktur S-2

6. Yuli Alam Pembantu Direktur I S-2

7. Dahlia Novita Pembantu Direktur Ii S-1

8. Novri Hardinata Pembantu Direktur Iii S-1

9. M. Zulkipli Ah Pembantu Direktur Iv S-1

10. Frans Habrizons Ka. Upm S-2

11. Nurul Huda Kaprodi. Manajemen

Informatika

S-2

12. Al Amin Kaprodi. Teknik Komputer S-1

13. Ef Niar Ka. Lppm S-2

14. Devi Andriansyah Ka. Humas S-1

15. Dewi Yanti Ka. Bsec S-1

16. Nanda Tri Haryati Ka. Bstc S-1

17. Hormaini Ka. Laboratorium S-1

18. R. A. Fitria Ka. Bau S-1

19. Dahlia Novita Ka. Baak S-1

20. Hendriansyah Ka. Perpustakaan S-1

21. M. Nur Hidayat Ka. Security S-1

11

2.2. Landasan Teori

2.2.1. Data Warehouse

Data warehouse adalah sistem yang mengambil dan menggabungkan data

secara periodik dari sistem sumber data ke penyimpanan data bentuk dimensional

atau normal (Rainardi, 2008).

Data Warehouse adalah penyimpanan data tetap sebagai implementasi

fisik dari pendukung keputusan model data. Data warehouse juga biasanya dilihat

sebagai arsitektur, pembangunan dan penyatuan data dari bermacam-macam

sumber data yang berbeda untuk mendukung struktur dan atau query tertentu,

laporan analisis dan pembuatan keputusan (Han, 2006).

Data warehouse bukan merupakan software maupun hardware yang bisa

kita beli untuk menghasilkan suatu keputusan strategis, melainkan suatu

lingkungan dimana user bisa menemukan suatu informasi yang strategis atas

kumpulan data-data yang dimiliki, yang bersifat Integrated, Subject-Oriented,

Nonvolatile, dan Time-Variant. Subject Oriented berarti kita bisa mempelajari

persoalan berdasarkan persoalan (subject) yang di inginkan saja. Integrated

berarti data yang terdapat didalam sebuah data warehouse dapat berasal dari

beberapa sumber terpisah yang nantinya ke semua data tersebut akan disimpan ke

dalam satu bagian yang sama dengan suatu format khusus. Nonvolatile berarti

data-data yang berada di dalam sebuah data warehouse tidak dapat dilakukan

perubahan lagi (edit). Time-Variant berarti data-data yang tersedia dalam jumlah

besar dapat dikatakan akurat atau valid sampai pada waktu-waktu tertentu saja.

Berdasarkan uraian di atas, maka penulis dapat menyimpulkan definisi dari

Data Warehouse adalah koleksi data yang mempunyai sifat berorientasi subjek,

12

terintegrasi, time-variant, dan bersifat tetap dari koleksi data dalam mendukung

proses pengambilan keputusan manajemen.

Extract, transform, dan load (ETL) merupakan sebuah sistem yang dapat

membaca data dari suatu data store, merubah bentuk data, dan menyimpan ke

data store yang lain.

Proses ETL (Extraction, Transformation, dan Loading) merupakan proses

yang harus dilalui dalam pembentukan data warehouse, yaitu:

1. Extraction

Ekstraksi dilakukan dari sumber data yang digunakan melalui proses

pemilihan data yang kemudian disimpan pada basis data sementara. Dalam

penelitian ini, basis data sementara ditempatkan pada penyimpanan basis

data, mesin dan platform yang sama dengan yang digunakan untuk data

warehouse nantinya.

2. Cleaning

Proses cleaning adalah proses untuk membersihkan data yang rangkap,

tidak konsisten, rusak, tidak benar (bernilai salah), data yang hilang

(kosong), atau data dengan spasi yang berlebihan.

3. Transformasi

Proses transformasi yang dilakukan dibagi berdasarkan dua level yaitu

record level dan field level. Pada proses ini dilakukan proses pemilihan,

penggabungan dan agregasi untuk mendapatkan data ringkasan sesuai

dengan dimensi yang akan dibuat. Proses transformasi ke field yang baru

dapat dilakukan dengan (menggunakan script) tertentu untuk

melakukannya.

13

4. Loading

Proses terakhir yang perlu dilakukan adalah proses pemuatan data

(loading). Data yang digunakan pada tahap ini merupakan data dari proses-

proses yang dilakukan sebelumnya yaitu ekstraksi, pembersihan (cleaning)

dan transformasi untuk kemudian dimasukkan ke dalam data warehouse.

Cara pemuatan data ke dalam data warehouse adalah dengan

menggunakan script yang dijalankan secara periodik.

2.2.2. MySQL

Menurut Bunafit Nugroho (2004:1) MySQL adalah sebuah program

database server yang mampu menerima dan mengirimkan datanya dengan sangat

cepat, multi user serta menggunakan perintah standar SQL (Structured Query

Language). MySQL merupakan sebuah database server yang free, artinya bebas

menggunakan database ini untuk keperluan pribadi atau usaha tanpa harus

membeli atau membayar lisensinya. MySQL juga berperan sebagai client sehingga

sering disebut database client/server, yang open source dapat berjalan baik di OS

(Operating System) manapun, dengan Platform Windows maupun Linux.

2.2.3. Pentaho Data Integration (PDI) Kettle

Pentaho Data Integration (PDI) Kettle adalah software Open Source dari

Pentaho yang dapat digunakan untuk mengintegrasikan data. Kettle menyediakan

fasilitas ETL (Extraction, Transformation dan Loading). Kettle dapat digunakan

untuk membersihkan data, loading dari file ke database atau sebaliknya dan

migrasi antar aplikasi dalam volume besar. Versi komersial dari Kettle adalah

Pentaho Data Integration (PDI).

14

2.3. Penelitian Sebelumnya

Pada penelitian sebelumnya, penulis menampilkan penelitian yang

berjudul Perancangan Model Data Warehouse Dalam Mendukung Keputusan

Jasa Pengiriman penelitian ini dilakukan oleh Mahasiswa Universitas Bina

Nusantara Fakultas Ilmu Komputer Program Studi Sistem Informasi yang

bernama Tanty Oktavia. Tujuan penelitian ini adalah untuk support proses analisis

pada perusahaan. Hasil berupa datawarehouse pada perusahaan jasa pengiriman.

Penelitian sebelummya yang kedua, Perancagan dan Pembuatan Data

Warehouse Untuk Kebutuhan Sistem Pendukung Keputusan di Bidang Akademik

Pada Jurusan Sistem Informasi, ITS, Surabaya penelitian ini dilakukan oleh

Mahasiwa Institut Teknologi Sepuluh November Fakultas Teknologi Informasi

jurusan Sistem Informasi yang bernama Restia Rezalini P.S, Wiwik Anggraeni

dan Radityo Prasetianto Wibowo. Tujuan penelitian ini adalah membuat data

warehouse untuk aplikasi dashboard pada ITS.

III. METODOLOGI PENELITIAN

3.1. Waktu dan Tempat Penelitian

3.1.1. Waktu Penelitian

Waktu penelitian dilakukan pada bulan Mei 2013 sampai dengan bulan

Agustus 2013.

3.1.2. Tempat Penelitian

Lokasi penelitian ini dilakukan penulis di Perguruan Tinggi Bina Sriwijaya

yang beralamat di Jalan Jl. A. Yani No. 720 ( 7 Ulu) Palembang.

3.1.3. Alat dan Bahan

15

Dalam pembuatan analisis dan merancang data warehouse Perguruan

Tinggi Bina Sriwijaya, alat dan bahan yang digunakan meliputi hardware,

software serta bahan-bahan penunjang lainnya.

3.1.4. Perangkat Keras (Hardware)

Perangkat keras yang digunakan adalah laptop dengan spesifikasi berikut :

a. Laptop Toshiba Satelite U 400

b. RAM 3GB

c. Hardisk 250 GB

d. Intel Pentium dual core processor T4200 @2.00Ghz

e. Flash Disk 2 GB

3.1.5. Perangkat Lunak (Software)

a . Windows 7 Professional sebagai operating system

b. Microsoft Office 2007 untuk penulisan laporan tugas akhir ini

c. Software pendukung yaitu xampp (mysql), Pentaho Kettle.

3.1.6. Metode Penelitian

Metode pada penelitian ini menggunakan metode deskriptif yaitu

penelitian tentang gejala dan keadaan yang dialami sekarang oleh subjek yang

sedang diteliti, dan fenomena yang terjadi saat sekarang (ketika penelitian

berlangsung) dan menyajikan apa adanya. (Subana dan Sudrajat, 2005 : 26-27).

3.4.Metode Pengumpulan Data

Metode Pengumpulan Data yang digunakan dalam penelitian ini adalah :

a. Wawancara

16

Dalam metode ini penulis mengumpulkan data penelitian dengan bertanya

langsung kepada pihak yang bersangkutan.

b. Kepustakaan

Mengumpulkan data dengan cara mencari dan mempelajari data-data dari

buku-buku ataupun dari referensi lain yang berhubungan dengan penulisan

proposal penelitian.

c. Observasi

Dalam hal ini yang dilakukan adalah melihat serta mempelajari

permasalahan pembuatan data warehouse secara konkrit dan nyata yang

ada di lapangan, juga mengumpulkan data-data pada Perguruan Tinggi

Bina Sriwijaya.

3.5. Data Warehouse

Metodologi perancangan data warehouse yang digunakan dalam

penelitian ini adalah pemodelan data dimensional. Menurut Powell (2006),

langkah-langkah membuat model data dimensional dimulai dari end-user. Karena

end-user adalah pemakai informasi hasil query data warehouse. Dari perspektif

tersebut, langkah-langkah dalam merancang data dimensional menurut Powell

adalah sebagai berikut.

1. Proses bisnis (Business processes)

a. Menentukan dan menggambarkan subyek area bisnis dari

functional requirement yang ada.

b. Subyek dianalisis sebagai dasar menentukan tabel fakta pada

langkah selanjutnya.

17

2. Granularity

a. Granularity adalah tingkat dari rincian kebutuhan.

b. Pilihan yang paling aman menurut Powell adalah menyertakan

semua data historis pada level yang terendah.

c. Keuntungan menyertakan data level terendah adalah menghindari

data yang hilang ketika dibutuhkan manajer eksekutif.

d. Keuntungan lain adalah menghindari kekurangan data ketika

dibutuhkan bahan analisis di masa datang meskipun untuk saat ini

belum digunakan.

3. Identifikasi dan membentuk dimensi (Identify and build dimensions)

a. Menentukan data-data yang dibutuhkan untuk mendukung subyek

untuk dapat dibentuk dalam beberapa tabel dimensi.

b. Tabel dimensi nantinya akan mendeskripsikan tabel fakta dengan

menyimpan detil transaksi tabel fakta.

4. Membentuk fakta (Build fact), pembentukan fakta atas dasar subyek yang

telah ditentukan.